人工智能(AI)近年來已成為資產管理技術的關鍵口號之一，機構和精品公司都在這一領域進行了大量投資。
今年TradeTech會議的發(fā)言人也熱衷于談論人工智能及其各種子集如何在進一步的開發(fā)工作后優(yōu)化交易流程及其對更廣泛行業(yè)的理論利益。
Vanguard的EMEA地區(qū)投資運營主管Sean Kennedy概述了基于AI的技術可以采取的各種形式，包括機器學習，機器人過程自動化(RPA)和深度學習等子組件。
“在我們的案例交易中，我們在其他行業(yè)的應用中看到的真正價值在于查看整個生命周期的功能區(qū)域。因此，庫卡機器人，我們現在花時間研究應用機器學習以優(yōu)化整個生命周期的方法，“他說。
“我們在Vanguard以及整個行業(yè)看到的是，傳統(tǒng)上中間辦公室功能正在與前臺辦公室更加緊密地結合在一起，因此這些線路變得非常模糊。圍繞新技術的機會是通過機器學習將它們編織在一起以推動優(yōu)化。“
摩根大通CIB首席行政官Sanoke Viswanathan強調該機構在其研究領域使用自然語言處理 - 計算技術在自然語言和語音分析與合成中的應用 - 用于情感分析和新聞分析等功能。
“可能是那些花費大量時間而不是大量收益的新興領域，我們稱之為自動決策; robo-trading或robo-hedging，以自動方式回答客戶端查詢等。這是一個應用程序分類，我發(fā)現它與最終用戶產生了很好的共鳴，因為這是人們決定如何部署這些技術的方式，“Viswanathan說。
然而，盡管AI及其技術子集可以提供經證實和潛在的好處，但在行業(yè)完全熟悉該技術之前，仍然需要解決一些值得關注的問題。
“我們對專注于金融市場的人工智能基礎研究水平不滿意。在與客戶的討論中，關于我們正在處理的問題類型，在市場模擬，時間序列預測等方面沒有進行足夠的核心研究。因此，我們希望建立一個專注于此的研究能力，“Viswanathan說。
肯尼迪強調了進一步采用人工智能技術的主要障礙之一是缺乏透明度和對這些系統(tǒng)如何運作的信任，突出了淺層和深層學習技術之間的區(qū)別。
肯尼迪說：“淺層學習本質上是創(chuàng)建小型模型或計算，你可以回過頭來檢查，庫卡機器人驅動器維修，甚至可以實時觀察輸入和輸出，并通過透明來證明輸出是合理的。”
“在深度學習中，你會失去透明度。信息進入，一系列計算發(fā)生，系統(tǒng)訓練自己學習，輸出出來，在理想狀態(tài)下用于推動決策。這就是我看到大多數猶豫的地方，這可能具有挑戰(zhàn)性。
“這項技術有很多應用程序遠比我們在這個行業(yè)中使用的技術更先進，但讓內部的監(jiān)管機構，客戶甚至用戶信任這種類型的輸出并使用它向前邁進似乎是真正的挑戰(zhàn)。”
在會議的另一場會議上，T。Rowe Price的全球系統(tǒng)交易和市場結構負責人Mehmet Kinak表示，庫卡機器人，AI是該行業(yè)的“熱門話題”，但他還沒有找到任何開發(fā)出良好系統(tǒng)的組織。
“另一方面，機器學習很有趣，例如經紀輪。它將大量交易成本分析(TCA)和數據納入交易決策，“他說。
“機器學習我相信會接管，但我不確定人工智能。即使在車輪上，數據也在驅動這種方法，而且我對我正在使用的經紀人不可知，因為它只是數據，而且就像我看不到它們一樣。“